Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Physics-Informed Modular Digital Twin for Real-Time Prediction in Mechanized Tunnelling

Opis projektu

Niezawodne i nowatorskie podejście do zarządzania projektami budowy tuneli

Przewidywanie zachowania gruntu podczas drążenia tunelu jest niezbędne dla zapewnienia bezpieczeństwa prac podziemnych i ich skuteczności. Złożone oddziaływania między glebą, ciśnieniem porowym i maszynami tunelującymi zmieniają się dynamicznie, co utrudnia ich prognozowanie w czasie rzeczywistym. Konwencjonalne symulacje numeryczne są dokładne, ale ich przeprowadzanie wymaga dużych mocy obliczeniowych; z kolei konwencjonalne modele uczenia maszynowego często mają trudności z generalizacją w zmiennych warunkach. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu PIMEX ma na celu opracowanie modułowego rozwiązania działającego w czasie rzeczywistym, które połączy modele oparte na fizyce z zaawansowaną sztuczną inteligencją. Łącząc prawa fizyki z uczeniem maszynowym, zespół projektu PIMEX zamierza poprawić dokładność prognoz, wesprzeć procesy decyzyjne oraz poprawić bezpieczeństwo i skuteczność rozwoju infrastruktury podziemnej.

Cel

The growing demand for tunnel excavation is directly linked to urbanization, with over 75% of Europe’s population already living in cities and this figure projected to exceed 80% by 2050. As urban areas expand, the need to extend infrastructure underground becomes critical. Subsurface development, however, introduces significant geotechnical risks, where even minor delays or failures can result in severe economic and societal consequences. Real-time predictive modelling tools are essential to ensure safety and resilience.
Despite advances in modelling, predicting ground behaviour in real time remains a major challenge. Excavation involves coupled processes, soil displacement, pore pressure changes, and complex machine-ground interactions, that evolve dynamically. Traditional numerical methods are accurate but computationally intensive and lack real-time adaptability. Machine learning (ML) approaches are faster but often operate as opaque black boxes, requiring large datasets and offering limited generalizability.
To address this gap, this project proposes the Physics-Informed Modular Excavation (PIMEX) framework: a real-time, modular system that integrates physics-based models with advanced ML. By embedding physical laws and constraints within neural network architectures such as PINNs, ConvLSTMs, and GNNs, PIMEX will enable interpretable, predictive simulations of excavation processes under sparse and noisy data.
The framework will support real-time control, enhancing safety, efficiency, and decision-making in mechanized tunnelling. Validation will be performed through large-scale infrastructure datasets and international collaborations, ensuring the robustness and transferability of the approach. Ultimately, PIMEX aims to deliver a next-generation predictive system for underground excavation, bridging physics and data-driven methods to reduce risks, optimize operations, and contribute to safer, more cost-effective infrastructure delivery under evolving conditions.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITY OF DURHAM
Wkład UE netto
€ 260 347,92
Adres
STOCKTON ROAD THE PALATINE CENTRE
DH1 3LE DURHAM
Zjednoczone Królestwo
Region
North East (England) Tees Valley and Durham Durham CC
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Partnerzy (2)